FIELD NOTES / FACE MEASUREMENTS
理解面部对称结果
左右平衡是一项照片测量，其变化可能有多种来源。
本文为 AI 辅助编写的产品说明，已对照公开方法与下方技术来源核对。示意图和计算数字仅用于讲解，不是个人实测结果，也不代表经过临床审核。
先检查拍摄条件
转头会改变面部两侧与镜头的距离。即使脸本身没有变化，倾斜、不均匀光线和表情也会改变可见轮廓或关键点位置。方法会在比较配对点前按眼线校正画面滚转，但这无法消除所有透视影响。排查明显差异时，先使用自然中性的正面照，并保持机位一致。
检查这个近似测量
对称分来自围绕可见中线计算的二维镜像误差近似，不是解剖对称性的医学测量。可以观察标出的点，检查头发、阴影或表情是否影响点位。局部差异可能有直接的图像原因。公式与版本能帮助你比较定义一致的结果，而不必依赖一个没有解释的数字。
选择有帮助的下一步
下结论前，可以在相近条件下再拍一张自然中性的照片。你可以探索日常打理、发型修饰或喜欢的表情，不必把自然差异当成缺陷。工具不能诊断突然发生的身体变化或症状。如果你担心的是新出现的健康症状，照片分数不是合适的评估方式；请寻求适当的专业医疗帮助，不要依靠这个比较获得安心。
区分朝向、姿态与点位误差
面部对称分析器回答的问题，比三维解剖是否对称更窄。本工具检查单张图像中成对可见点的匹配程度，先用清单判断照片是否适合比较，再解释分数。
- 正对镜头。眼线滚转校正可以调整图像倾斜，但不能重建转头时不可见的一侧。
- 保持自然表情。抬眉或不均匀微笑可能移动成对点位，不代表持续存在的结构差异。
- 检查双侧颊缘与眼部是否有头发、反光、模糊或阴影，不要把遮挡处的误检点解释为个人特征。
- 原图与水平翻转图包含同一次拍摄的信息，不能算作第二次独立测量。
- 阅读质量状态与原始公式。本页较高分表示归一化镜像误差较小，不代表更健康或更有社会价值。
算例：将镜像误差归一化
假设示例网格颊宽为 200 像素，成对点的平均镜像误差为 2 像素，则误差比为 0.01。当前工程公式把它映射为 95。数字仅供教学，并非真实人物测量或正常范围阈值。
| 示例 | 平均误差 ÷ 颊宽 | 公式分数 |
|---|---|---|
| A | 2 ÷ 200 = 0.01 | 95/100 |
| A 整体放大两倍 | 4 ÷ 400 = 0.01 | 95/100 |
| B | 6 ÷ 200 = 0.03 | 85/100 |
分数＝100 ×（1 − 5 × 平均误差 ÷ 颊宽），限制在 0 到 100 之间。按比例缩放全部输入坐标，在数学上保留该比值；但对缩放后的图片重新检测仍可能移动估计点，因此不承诺编辑图片后结果完全相同。
进行自然表情照片对照
- 重复分析同一原图三次，记录质量状态、镜像分及方法版本。不要把被拒绝的一次当成零分。
- 在相同光线和机位下，另拍一张正面自然表情照。先比较点位，再判断分数差异。
- 结果变化时，列出拍摄条件差异。本产品没有经过验证的阈值来区分自然面部差异、图像影响与检测误差。
本检查针对照片，不用于症状评估或诊断，也不要求左右完全相同。喜欢某种分缝或拍摄角度本身就有价值，不必把偏好解释为解剖结构改善。
搭配相应工具阅读
来源与适用范围
这些来源解释关键点检测和摄影原理，不为本产品的权重、参考目标、吸引力标签或造型建议背书。本产品的评分规则见方法页。
- NIST · 透视畸变
解释相机与被摄者距离过近时产生的外观变化。
- Ward 等（2018）· 近距离照片中的鼻部透视变化
一项研究拍摄距离的数学模型论文，不是本工具的验证或治疗建议。
- Google AI Edge · 面部关键点检测说明
说明关键点模型及输出能力；它不是颜值评分模型。